1.一种点云数据质量评估方法，其特征在于，包括下述步骤：获取待评估的原始点云数据；

对所述原始点云数据进行特征提取操作，得到点云数据特征集合；

根据所述点云数据特征集合获取各个特征的权重分值；

根据所述权重分值计算信息损失评价指标；

根据所述信息损失评价指标对所述原始点云数据进行质量评估操作，得到质量评估结果；

所述对所述原始点云数据进行特征提取操作，得到点云数据特征集合的步骤，具体包括下述步骤：根据目标边缘识别方法获取所述原始点云数据的最小外接矩形，其中，所述最小外接矩形携带有长度数据以及宽度数据；

将所述长度数据以及所述宽度数据的比值作为几何特征值；

根据高斯核函数计算所述原始点云数据在水平方向的水平概率密度最小值、水平概率密度最大值、水平概率密度平均值以及水平概率密度标准差；

根据所述高斯核函数计算所述原始点云数据在竖直方向的竖直概率密度最小值、竖直概率密度最大值、竖直概率密度平均值以及竖直概率密度标准差；

整合所述几何特征值、所述水平概率密度最小值、所述水平概率密度最大值、所述水平概率密度平均值、所述水平概率密度标准差、所述竖直概率密度最小值、所述竖直概率密度最大值、所述竖直概率密度平均值以及所述竖直概率密度标准差，得到所述点云数据特征集合。

2.根据权利要求1所述的点云数据质量评估方法，其特征在于，所述根据所述点云数据特征集合获取各个特征的权重分值的步骤，具体包括下述步骤：在所述点云数据特征集合中获取c组点云数据特征集合，分别计算每组点云数据的第一评价指标，并根据所述第一评价指标构建权重特征矩阵，其中，所述 ；

对所述权重特征矩阵进行降维处理，得到新变量特征矩阵，其中，所述新变量特征矩阵包括所述第一评价指标、线性组合系数以及新变量；

获取与所述新变量特征矩阵对应的协方差矩阵；

对所述协方差矩阵进行QR分解操作，得到协方差特征值；

根据所述协方差特征值计算贡献率；

在所述新变量中选取符合权重选取条件的目标新变量；

计算所述第一评价指标在所述目标新变量中的线性组合系数；

根据所述贡献率、所述第一评价指标在所述目标新变量中的线性组合系数计算每个所述第一评价指标在综合模型中的系数，并对所述系数进行归一化，得到所述权重分值。

3.根据权利要求1所述的点云数据质量评估方法，其特征在于，所述根据所述权重分值计算信息损失评价指标的步骤，具体包括下述步骤：根据同一数据处理方法对每组所述原始点云数据进行a次数据处理操作，得到第二评价指标，并根据所述第二评价指标构建信息熵特征矩阵，其中，所述 ；

根据所述信息熵特征矩阵计算单一指标信息熵；

根据所述权重分值以及所述单一指标信息熵计算所述信息损失评价指标。

4.根据权利要求1所述的点云数据质量评估方法，其特征在于，在所述根据所述信息损失评价指标对所述原始点云数据进行质量评估操作，得到质量评估结果的步骤之后，还包括下述步骤：根据所述质量评估结果确认最佳数据处理方式；

根据所述最佳数据处理方式对所述原始点云数据进行数据处理操作，得到样本量少且有效信息损失少的目标数据样本。

5.一种点云数据质量评估装置，其特征在于，包括：

原始数据获取模块，用于获取待评估的原始点云数据；

特征提取模块，用于对所述原始点云数据进行特征提取操作，得到点云数据特征集合；

权重分值获取模块，用于根据所述点云数据特征集合获取各个特征的权重分值；

评价指标计算模块，用于根据所述权重分值计算信息损失评价指标；

质量评估模块，用于根据所述信息损失评价指标对所述原始点云数据进行质量评估操作，得到质量评估结果；

所述特征提取模块，包括：

外接矩形获取子模块，用于根据目标边缘识别方法获取所述原始点云数据的最小外接矩形，其中，所述最小外接矩形携带有长度数据以及宽度数据；

几何特征值确认子模块，用于将所述长度数据以及所述宽度数据的比值作为几何特征值；

水平概率密度子模块，用于根据高斯核函数计算所述原始点云数据在水平方向的水平概率密度最小值、水平概率密度最大值、水平概率密度平均值以及水平概率密度标准差；

竖直概率密度子模块，用于根据所述高斯核函数计算所述原始点云数据在竖直方向的竖直概率密度最小值、竖直概率密度最大值、竖直概率密度平均值以及竖直概率密度标准差；

特征整合子模块，用于整合所述几何特征值、所述水平概率密度最小值、所述水平概率密度最大值、所述水平概率密度平均值、所述水平概率密度标准差、所述竖直概率密度最小值、所述竖直概率密度最大值、所述竖直概率密度平均值以及所述竖直概率密度标准差，得到所述点云数据特征集合。

6.根据权利要求5所述的点云数据质量评估装置，其特征在于，所述权重分值获取模块，包括：权重特征矩阵构建子模块，用于在所述点云数据特征集合中获取c组点云数据特征集合，分别计算每组点云数据的第一评价指标，并根据所述第一评价指标构建权重特征矩阵，其中，所述 ；

降维处理模块，用于对所述权重特征矩阵进行降维处理，得到新变量特征矩阵，其中，所述新变量特征矩阵包括所述第一评价指标、线性组合系数以及新变量；

协方差矩阵获取子模块，用于获取与所述新变量特征矩阵对应的协方差矩阵；

QR分解子模块，用于对所述协方差矩阵进行QR分解操作，得到协方差特征值；

贡献率计算子模块，用于根据所述协方差特征值计算贡献率；

目标新变量确认子模块，用于在所述新变量中选取符合权重选取条件的目标新变量；

线性组合系数计算子模块，用于计算所述第一评价指标在所述目标新变量中的线性组合系数；

权重分值确认子模块，用于根据所述贡献率、所述第一评价指标在所述目标新变量中的线性组合系数计算每个所述第一评价指标在综合模型中的系数，并对所述系数进行归一化，得到所述权重分值。

7.一种计算机设备，其特征在于，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至4中任一项所述的点云数据质量评估方法的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至4中任一项所述的点云数据质量评估方法的步骤。